近日，中国电信云计算研究院与上海交通大学联合研究团队在隐私保护领域取得最新研究成果，论文《Differentially Private Graph Neural Network with Importance-Grained Noise Adaption》被网络与信息安全领域国际顶级期刊 IEEE Transactions on Dependable and Secure Computing（IEEE TDSC）录用。该工作由中国电信云计算研究院研究员齐雨欣主导完成，聚焦云环境中智能计算面临的“隐私保护与模型可用性难兼顾”关键难题，为云中隐私合规与高可用智能决策提供理论和技术支撑。

随着图神经网络在云网资源调度、业务风控等核心场景中的广泛应用，模型训练依赖大量敏感业务数据，隐私风险日益显现。然而，现有隐私防护方案在提升保护强度时往往以显著牺牲模型可用性为代价，难以适配云中大规模图计算业务的高精度、强隐私需求。针对上述挑战，研究团队提出的方案在统一隐私预算约束下，引入与任务相关的差分隐私噪声自适应调节机制，实现隐私保护过程与图学习过程的协同优化，并通过在多跳图传播中的联合感知与误差校准策略，实现对高价值图信号的稳定保留，从而在强隐私约束下仍能保持高效决策与推理能力。实验表明，该方法在相同隐私保护程度下显著提升模型可用性，具备可扩展的实践能力。

图1: 自适应差分隐私图神经网络流程图

IEEE TDSC 是网络与信息安全领域国际顶级期刊，关注隐私保护、可信系统与数据安全等方向，是中国计算机学会（CCF）推荐的 A 类期刊，在学术界和工业界均具有广泛影响力。作为中国电信科技创新的重要力量，云计算研究院长期布局隐私计算与可信智能领域，本研究成果可应用于云端智能服务、多智能体可信推理等前沿场景，为“云–网–端–智”融合体系下的可信智能底座提供关键能力。未来，云计算研究院将持续深化隐私计算与数据安全流通研究，加速构建隐私、可信的智能服务生态。